Data-Mining – DatenanalyseMethoden für deskriptive Statistik und Datenanalyse
Statistik für die Datenanalyse im Unternehmen
Viele Menschen schrecken zurück, wenn das Wort Statistik fällt. Unschöne Erinnerungen an Schulzeit oder Studium kommen auf, als man von mathematischen Formeln und Zahlenwüsten gequält wurde. Dabei ist ein Grundverständnis von Statistik im Berufsleben hilfreich, wenn nicht sogar notwendig. Dafür müssen Sie sich jedoch nicht wieder mit mathematischen Formeln quälen, das übernehmen heutzutage Computer mit Spezialsoftware oder einfach Excel.
Statistik ist in der Mathematik ein weites Feld, im Unternehmenskontext wird jedoch in der Regel nur ein Bruchteil davon benötigt. Beim Data-Mining geht es zunächst speziell um deskriptive Statistik. „Deskriptiv“ meint beschreibend. Das Data-Mining soll eine beschreibende Zusammenfassung von Daten liefern. Diese Zusammenfassung kann mit Zahlen oder Grafiken erfolgen, beide Varianten haben ihre jeweiligen Vor- und Nachteile.
Woher kommen die Daten für die deskriptive Statistik?
Um deskriptive Statistik anwenden zu können, werden zuerst Daten benötigt, die beschrieben werden sollen. In Unternehmen und im Hinblick auf betriebswirtschaftliche Fragen entstehen Daten in unterschiedlichsten Varianten aus unterschiedlichsten Quellen. Beispiele sind Daten aus:
- Produktionsprozessen wie Rüstzeiten, Durchlaufzeiten, produzierte Stückzahlen
- Qualitätskontrolle: Produktfehler, Abweichungen bei Prozessparametern, Nacharbeit, Ausschuss
- Materialwirtschaft: Energieverbrauch, Materialverbrauch, Abfall
- Buchhaltung: Rechnungen, Rechnungsbeträge, Zahlungen
- Vertrieb: Angebote, Bestellungen, Erstkäufe, Warenkörbe
- Marketing: Response-Raten, Kundenmerkmale, Marktdaten, Wettbewerbsdaten
- Kundenservice: Beschwerden, Anrufe im Callcenter
Im Folgenden sollen die Möglichkeiten des Data-Mining und der Datenanalyse am Beispiel eines fiktiven Callcenters erläutert und illustriert werden.
